論文の概要: The Reliance Negotiation Framework: A Dynamic Process Model of Student LLM Engagement in Academic Writing
- arxiv url: http://arxiv.org/abs/2604.16772v1
- Date: Sat, 18 Apr 2026 01:34:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-22 14:04:47.895743
- Title: The Reliance Negotiation Framework: A Dynamic Process Model of Student LLM Engagement in Academic Writing
- Title（参考訳）: Reliance Negotiation Framework: アカデミックライティングにおける学生LLMエンゲージメントの動的プロセスモデル
- Authors: Shahin Hossain,
- Abstract要約: 学術著作における大規模言語モデル(LLM)への学生の関与は、安定した特性、採用決定、能力レベルではない。
本稿では,382人の大学生を対象とした逐次的説明混合メソッド研究から開発されたReliance Negotiation Framework(RNF)を紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Student engagement with large language models (LLMs) in academic writing is not a stable trait, an adoption decision, or a competency level; it is a continuously negotiated process that existing frameworks cannot adequately theorize. Typological models provide categories without mechanisms; technology acceptance models explain adoption but not post-adoption quality; AI literacy frameworks treat competency as a static predictor rather than a live input. None accounts for within-student variability across tasks, the developmental paradox whereby experience produces habituation rather than sophistication, or principled non-use as a form of ethical reasoning. This article introduces the Reliance Negotiation Framework (RNF), developed from a sequential explanatory mixed-methods study of 382 undergraduates at a public minority-serving institution in the United States (survey, N = 382; 14 semi-structured interviews; three qualitative survey strands; 1,435 coded instances). The RNF reconceptualizes LLM reliance as an ongoing negotiation among four concurrent inputs (perceived benefits, perceived risks, ethical commitments, and situational demands) with outputs that recursively modify subsequent decisions. A Two-Model Architecture accommodates the 13.0% of participants whose categorical ethical commitments foreclose negotiation entirely. The framework generates four falsifiable predictions with implications for AI literacy pedagogy, academic integrity policy, and equity-centered practice at minority-serving institutions.
- Abstract（参考訳）: 学術著作における大規模言語モデル(LLM)への学生の関与は、安定した特性、採用決定、能力レベルではなく、既存のフレームワークが適切に理論化できない、継続的な交渉プロセスである。
AIリテラシーフレームワークは、ライブ入力ではなく静的予測器として能力を扱う。
タスクの内在的変動、経験が洗練よりも習慣を創出する発達的パラドックス、倫理的推論の一形態としての原則的非使用を説明できない。
本稿では,米国の公立マイノリティサービス機関(N = 382; 14の半構造化インタビュー,3つの質的調査ストランド,1,435のコード化された事例)で,382人の大学生を対象とした連続的な説明的混合メソッド研究から開発されたReliance Negotiation Framework(RNF)を紹介する。
RNFは、LCMの信頼性を、4つの同時入力(利益、認識されたリスク、倫理的コミットメント、状況的要求)の継続的な交渉として再認識し、その後の決定を再帰的に修正するアウトプットと組み合わせている。
2モデルアーキテクチャは、交渉を全面的に禁止するカテゴリ的倫理的コミットメントを持つ参加者の13.0%を収容する。
このフレームワークは、AIリテラシー教育、学術的整合性ポリシー、少数派の機関におけるエクイティ中心の実践に意味のある4つの偽造予測を生成する。
関連論文リスト
- When Contextual Inference Fails: Cancelability in Interactive Instruction Following [51.2195840589474]
私たちは、コンテキスト意味構築のためのインタラクティブなベンチマークであるBuild What I Meanを紹介します。
BWIMでは、モデルは文脈推論を行うか、小さな通信コストで明確化を要求することによって曖昧さを解決しなければならない。
我々は,不確実性の下でのパートナーブラインド過度明確化や質問逆推定などの準最適戦略を観察する。
論文 参考訳（メタデータ） (2026-03-20T14:46:59Z) - Assessing the Pedagogical Readiness of Large Language Models as AI Tutors in Low-Resource Contexts: A Case Study of Nepal's K-10 Curriculum [0.0]
大規模言語モデルの教育エコシステムへの統合は、パーソナライズされた家庭教師へのアクセスを民主化することを約束する。
本研究では,4つの最先端LLM--GPT-4o,Claude Sonnet 4,Qwen3-235B,Kim K2の系統的評価を行い,AI教師としての能力を評価する。
論文 参考訳（メタデータ） (2026-03-17T04:37:22Z) - Syntactic Framing Fragility: An Audit of Robustness in LLM Ethical Decisions [1.0671844383558033]
大規模言語モデル(LLM)は、逐次的な意思決定設定に徐々にデプロイされている。
LLMが論理的に等価だが構文的に異なるプロンプトに対して一貫した倫理的判断を維持できるかどうかを考察する。
SFF(Syntactic Framing Fragility)は、純粋に構文効果を分離するロバストネス評価フレームワークである。
論文 参考訳（メタデータ） (2025-12-27T18:09:34Z) - Designing AI-Resilient Assessments Using Interconnected Problems: A Theoretically Grounded and Empirically Validated Framework [0.0]
生成AIの急速な採用により、コンピューティング教育における従来のモジュラーアセスメントが損なわれている。
本稿では,AI-レジリエントアセスメントを設計するための理論的基盤となる枠組みを提案する。
論文 参考訳（メタデータ） (2025-12-11T15:53:19Z) - Assessing the Reliability and Validity of Large Language Models for Automated Assessment of Student Essays in Higher Education [0.30158609733245967]
高等教育環境におけるエッセイ自動評価において,5つの高度な大規模言語モデル (LLM) , Claude 3.5, DeepSeek v2, Gemini 2.5, GPT-4, Mistral 24B について検討した。
イタリア語の学生エッセイは、合計67点が4基準ルーブリックを用いて評価された。
人間とLLMの合意は一貫して低く、非重要であり、複製間のモデル内信頼性も同様に弱かった。
論文 参考訳（メタデータ） (2025-08-04T14:02:12Z) - Learning to Reason via Mixture-of-Thought for Logical Reasoning [56.24256916896427]
Mixture-of-Thought (MoT) は、LLMが自然言語、コード、真理表の3つの相補的なモダリティにまたがる推論を可能にするフレームワークである。
MoT は,(1) 自己進化型 MoT トレーニング,(2) 3 つのモーダルの相乗効果を完全に活用してより良い予測を生成する MoT 推論,という2段階の設計を採用する。
論文 参考訳（メタデータ） (2025-05-21T17:59:54Z) - Advancing Fairness in Natural Language Processing: From Traditional Methods to Explainability [0.9065034043031668]
この論文は、NLPシステムにおける株式と透明性の必要性に対処している。
高リスクNLPアプリケーションにおけるバイアスを軽減する革新的なアルゴリズムを導入している。
また、トランスフォーマーモデルの概念を特定し、ランク付けするモデルに依存しない説明可能性法を提案する。
論文 参考訳（メタデータ） (2024-10-16T12:38:58Z) - Implicit Personalization in Language Models: A Systematic Study [94.29756463158853]
インプリシトパーソナライゼーション (IP) は、入力プロンプト内の暗黙の手がかりからユーザの背景を推測する言語モデルの現象である。
この研究は、厳密な数学的定式化、多面的道徳的推論フレームワーク、そして一連の事例研究を通じて、IPを体系的に研究する。
論文 参考訳（メタデータ） (2024-05-23T17:18:46Z) - A Unifying Framework for Learning Argumentation Semantics [47.84663434179473]
Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。
提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
論文 参考訳（メタデータ） (2023-10-18T20:18:05Z) - Towards Quantifiable Dialogue Coherence Evaluation [126.55560816209756]
量的対話コヒーレンス評価(QuantiDCE)は,量的対話コヒーレンス尺度の学習を目的とした新しいフレームワークである。
QuantiDCEには、Multi-Level Ranking (MLR) pre-training (KD) fine-tuning (Multi-Level Ranking)とKD (KD) fine-tuning (KD) という2つの訓練段階が含まれている。
実験結果から,QuantiDCEによりトレーニングされたモデルは,他の最先端の指標に比べて,人間の判断と強い相関関係を示すことが示された。
論文 参考訳（メタデータ） (2021-06-01T14:11:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。